提出Barycentric Anchored Search权重合并方法

Antoni Buades和Jose-Luis Lisani发布论文，提出Barycentric Anchored Search，一种事后权重空间方法，用预训练初始化和两个在源数据集上微调的检查点，构造重心候选权重，并沿候选与预训练模型连线方向做小规模无导数搜索，无需额外梯度训练、不增加推理成本，用于提升微调视觉模型在分布偏移下的鲁棒性。 论文称在CLIP ViT-B/32实验中，该方法显著提升留出的OOD数据（ImageNet-A、ImageNet-R、ImageNet-Sketch）性能，同时保持ImageNet精度有竞争力；选出的模型随后在这些数据集的留出部分、额外OOD基准和ImageNet验证集上评估鲁棒性-精度权衡。结果基于论文摘要，尚未经独立验证。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。